TypeSafe Jev 實際上手：三種情境，看「只做判斷的 AI」能替你省掉哪些 if

Jev 不寫文章、不寫摘要、不回你半句話。你給它一段文字和一組自己定義的選項，它只做一件事：挑一個，並告訴你每個選項它給幾成把握。軟體裡那些「這封信該轉給誰」「這則新聞算哪一類」的判斷，以前要寫一長串規則再永遠補例外，現在可以整段交給它。對寫程式的人來說，差別是問題和答案都變成結構化欄位：不用寫 prompt，不用解析回傳文字，回來的值在型別上不可能是你沒定義過的東西。

以下用新聞分類、社群選題、讀者來信路由三種情境示範，也故意設計了幾個它做不到的邊界題。

為什麼寫程式的人會想試它

它是那個你一直寫不出來的 if。 示範用的擬真投訴信：「你們昨天那篇報導引用了我公司的產品資料但完全沒有註明出處……否則我方將交由法務處理。」信裡有「報導」「描述有誤導」，關鍵字規則會把它丟進「內容更正」，自動回一封「感謝指正」。Jev 選的是「需要人工」，「內容更正」只排在後面。

沒有文字要解析。 做過 LLM 分類的人，大多寫過一份輸出黑名單，專攔模型輸出裡的 think 標籤殘留、「作為 AI」角色宣告、Markdown 標題、JSON code fence，是被現實一條條逼出來的。Jev 這邊，問題是 questions / criteria 欄位，答案是 choice / confidence / probabilities 欄位。

輸出一定落在你給的選項裡。 只給一個選項「新聞」，它就只能回「新聞」；只給蘋果／香蕉／芒果，它照樣只在裡面挑。下游不必寫「萬一它回了奇怪的東西」。

便宜到每一筆都可以跑。 官方數字是輸入每百萬 token 0.042 美元、輸出免費、端到端 70–500 毫秒，官方對照以 GPT-6 Astra 與 Fable 5.1 的平均為基準、宣稱快 193.6 倍（皆官方自測）。以前做分類要省錢，只跑值得跑的那幾筆；若官方數字屬實，每一筆都跑就變得可以考慮。

情境 A：新聞分類——它把猶豫攤開給你看

題材是一批 AI 新聞，標題加摘要，一題九選一。

判得乾脆的長這樣：「OpenAI 以 3 億美元收購智慧手機相機製造商 Glass Imaging」→ 它毫不猶豫選了 business，其餘八類幾乎沒分到機率。猶豫的是「時尚應用 Daydream 利用 Apple Intelligence 將相機膠卷中的穿搭變成可購物內容」→ 它選 consumer，product 緊追在後，confidence 偏低：這則同時是「一般人用得到的應用」和「新功能上線」。更極端的是「使用 GPT-Live-1 打造更自然的語音體驗」→ product 與 devtools 幾乎平手，只是 product 略勝一點。它在猶豫，跟它答錯，是兩件事。

拿機率分布當閘門：高的自動入庫，低的排人工複檢。這批示範裡也有它和我們預期不一樣的題目。回頭看，卡住的是分類定義本身：硬體新品算 product 還是 consumer，那份定義沒講。

情境 B：社群選題——一次問兩個軸

同一批新聞，一次呼叫問兩題：適不適合寫成面向一般讀者的 Threads 貼文？讀者看完今天能不能動手？回來是兩個獨立的機率分布。

「OpenArch – PyTorch 實作的現代 LLM 架構」→ 第一題明確選「不適合」；第二題它選「純資訊」，但「可動手」仍分到一定機率、confidence 偏低：懂的人是真的能拿去跑，它沒把這件事一起否定掉。

猶豫的仍是那則 GPT-Live-1 語音體驗 → 「適合」小幅領先「不適合」，confidence 很低；「可動手」也沒有強烈傾向。情境 A 的分類題上，它最猶豫的也是這一則。

用法是把軸拆開問。「免費 AI Agent 模型怎麼用？……免費 API KEY 完整攻略」那則，它判「不適合做 Threads」、但「可動手」判得很篤定：有具體申請步驟，今天就能動手，題材卻太窄。兩件事擠成一個綜合分數，它就卡在中間值。

情境 C：讀者來信路由——猶豫的方向本身有資訊

以自己寫的擬真來信示範（沒有使用任何真實訂閱者的信件），一題五選一：訂閱問題／內容更正／合作邀約／垃圾／需要人工。

一封寫「內文寫『iOS 27 於九月正式推送給所有機型』，但官方公告寫的是分批推送」→ 它選 內容更正，判得很篤定；前面那封帶法律威脅的投訴信 → 選 需要人工。兩封都在說「你們寫錯了」，它把法律威脅當成不能自動回的訊號。

再寫一封混兩件事的信——問能不能把新聞資料以 API 授權，順便說信箱要換 → 它選 需要人工，第二、三名剛好是這封信真正混在一起的那兩類（合作邀約、訂閱問題）。一封英文的遺產詐騙信 → 選 垃圾。這情境最容易接上自動化：高信心的自動走既有流程，低信心的連同分布丟人工佇列。

它做不到的

不能生成文字，是 API 層級的硬拒絕。 我問它「幫這則新聞寫一句 Threads 開場白」，題型填 "type": "text"，拿到 HTTP 422：

"msg":"Input tag 'text' found using 'type' does not match any of the expected tags: <QuestionType.Noul: 'noul'>, <QuestionType.Choice: 'choice'>, <QuestionType.Score: 'score'>, <QuestionType.BoundingBox: 'bounding_box'>"

把 type 整個拿掉也一樣被擋（union_tag_not_found）。四種題型沒有一種會吐自由文字，要寫任何一句人話還是得用生成模型。

選項裡沒有正確答案時，它還是會選一個。 拿一則新聞問「這段文字在講哪一種水果？」，選項只給蘋果／香蕉／芒果，它照樣挑了蘋果，其餘兩個也分到機率，confidence 不高。它不會說「都不是」——「其他／無法判斷」必須你自己放進去，不放它就在錯的選項裡分配機率。

需要站外事實的題目，它可能高信心地答錯。 給它一句「內文寫『iOS 27 於九月正式推送給所有機型』」，問這句跟 Apple 官方公告相不相符，選項給了相符／不符／無法判斷，它選了「不符」，而且信心很高。逃生口放了，它沒用；光看那一句話沒人能確認官方公告寫什麼，正確答案應該是「無法判斷」。它判斷的是眼前這段文字，不是這段文字對不對——而這類失誤不會表現成低 confidence，你沒有訊號可以攔。

機率小數會擺動，選項是穩的。 同一批信前後跑兩次，混兩件事的那封信各選項的機率會小幅擺動，投訴信也是，但選的類別都沒變——門檻別卡在精確值上。另外 confidence 跟最高機率不是同一個數字：可以是某個選項勝出、confidence 卻很低。

怎麼開始

TypeSafe 在 2026 年 9 月 15 日發表 Jev 時開放 early access，從等候名單陸續放行開發者。端點 POST https://api.typesafe.ai/v1/systemone，帶 Authorization: Bearer 你的 key。情境 A 的請求長這樣（criteria 實際給九類，這裡只列兩類）：

{"model":"jev-latest","state":"標題：OpenAI 以 3 億美元收購智慧手機相機製造商 Glass Imaging\n摘要：……","questions":{"category":{"type":"choice","instructions":"這則 AI 新聞屬於哪一個分類？","criteria":{"business":"企業/商業（融資、併購、策略轉型、企業級應用）","product":"產品發佈/更新（新功能、新工具上線，人人可用的）"}}}}

回來的長這樣（同樣只列兩類）：

{"answers":{"category":{"type":"choice","choice":"business","confidence":"0 到 1 之間的數字","probabilities":{"business":"0 到 1 之間的數字","product":"0 到 1 之間的數字"}}}}

state 是要判斷的文字，questions 每個 key 是一題（可一次多題，情境 B 就是），criteria 的 key 是選項名稱、value 是定義，「其他」要你自己記得放。回來的 choice 保證是你給過的 key，probabilities 是全部選項的機率，confidence 是另一個獨立數字；回應另帶 usage，輸出 token 照官方說法免費。本文的示範是 2026 年 9 月跑的，當時 jev-latest 回應的是 jev-1.13.0；官方 10 月 14 日宣布 jev-latest 會在一週後改指向 jev-1.14.0。

FAQ

它可以取代我現在用來做分類的 LLM 嗎？

看那支 LLM 在做什麼。只是「讀一段文字、選一個標籤」的話形狀對得上，prompt、JSON 解析、格式防禦可以整層拿掉。如果它同時還在寫摘要、寫標題，那部分 Jev 接不了。

confidence 多少以上才能自動處理？

門檻得在你自己的資料上訂，而且看整個分布比看單一數字有用。它猶豫時，第二名往往就是那題真正的另一個答案（像那封混了合作邀約和換信箱的信）。

「不會幻覺」是真的嗎？

它保證的是型別合法——回來的一定是你定義過的選項，連只給三個水果選項時也照樣只在裡面挑。但型別合法不等於內容正確：iOS 27 那題，它以很高的信心答了一個自己無從驗證的問題。

這篇不是評測：我們沒做對照實驗，也沒拿其他模型跑同一批題目，寫的只是我們丟了什麼進去、它回了什麼。想先搞清楚 Jev 是什麼、官方數字怎麼來，看前一篇整理：TypeSafe Jev：官方稱快 193.6 倍、便宜 444.6 倍、最快 70 毫秒回答的「只做判斷」AI。